Implementasi Data Mining dalam Klasifikasi Sarang walet yang Berkualitas Berdasarkan fitur dan karakteristik Menggunakan Metode K-nearest Neighbor

Abstract

Sarang burung walet merupakan komoditas bernilai tinggi yang kualitasnya dipengaruhi oleh berbagai fitur dan karakteristik, seperti warna, bentuk, tekstur, serta kandungan mineral. Penilaian kualitas sarang walet secara manual masih bersifat subjektif, membutuhkan waktu lama, serta tidak efisien dalam skala industri. Untuk mengatasi permasalahan tersebut, penelitian ini mengimplementasikan teknik data mining dengan metode K-Nearest Neighbor (K-NN) dalam proses klasifikasi kualitas sarang walet. Metode K-NN dipilih karena kesederhanaannya serta kemampuannya dalam melakukan klasifikasi berbasis kedekatan jarak antar data. Tahapan penelitian meliputi pengumpulan data, preprocessing, ekstraksi fitur, pembentukan model K-NN, serta evaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa metode K-NN mampu mengklasifikasikan sarang walet ke dalam kategori kualitas secara akurat dan konsisten berdasarkan fitur dan karakteristik yang dianalisis. Dengan demikian, penerapan K-NN dalam klasifikasi sarang walet dapat menjadi solusi efektif untuk membantu pelaku industri dalam meningkatkan efisiensi penilaian, mengurangi subjektivitas, serta memperkuat daya saing produk sarang walet di pasar global.